摘要：
json文件保存模型的结构，h5文件保存模型的参数，加载模型后加载参数，然后需要编译模型；之后就可以进行评估和预测。 阅读全文
摘要：
基于深度学习的图像分割的方法的一般套路： 1.下采样 + 上采样，卷积池化转置卷积； 2.多尺度特征拼接，低维度特征结合高维度特征； 3.获得像素级别的segement map，即对每个像素进行分类。 在做反卷积上采样的时候，往往通过拼接融合的方法得到更多的信息，拼接的方法有 语义分割网络在特征融合 阅读全文
摘要：
BN的基本思想，其提出是解决梯度消失的问题的某一方法。 在深度神经网络做非线性变换前的激活输入值（x=wu+b,u是输入)，当层数越深的时候，输入值的分布就会发生偏移，梯度出现消失的情况， 一般是整体分布逐渐往函数的取值区间的上下限靠拢，而这个时候非线性函数的梯度就会发生消失，所以训练收敛变慢。 B 阅读全文
摘要：
正在进行中，以及已经完成的测试 1.使用Inception v3进行农作物病毒分类（keras以及tensorflow) 2.使用resnet-50进行农作物病毒分类（pytorch) 代码已读，无卡等测 3.使用u-net进行医学图像分割，数据集来自ISBI挑战 （keras） 4.使用FCN进行 阅读全文
摘要：
1.PyCharm Process finished with exit code -1073741819 (0xC0000005) 解决方法：卸载h5py这个包，在装cv2的时候有可能安装了h5py 后续问题，卸载h5py之后在训练模型之后，无法保存模型，原因却是没有安装h5py，重新安装后神奇的 阅读全文
摘要：
U-net网络主要思路是源于FCN，采用全卷积网络，对图像进行逐像素分类，能在图像分割领域达到不错的效果。 因其网络结构类似于U型，所以以此命名，可以由其架构清晰的看出，其构成是由左端的卷积压缩层，以及右端的转置卷积放大层组成； 左右两端之间还有联系，通过灰色箭头所指，右端在进行转置卷积操作的时候， 阅读全文
摘要：
yield作用类似于return，其本质是一个迭代器。 当程序执行到yield时，会结束本次循环，返回一个值，然后内置含有next()函数， 下次在执行时，会从yield结束的地方继续执行。 带yield的函数是一个生成器，内置next函数，当本次执行到yield结束时候，下一次next就会从本次停 阅读全文
摘要：
不定时更新 反卷积就是转置卷积，也可以写成两个矩阵相乘，通常由小尺寸变成大尺寸，反卷积的反向传播也是可行的。 如图是反卷积的过程： 下面介绍卷积的反向传播过程，此过程与反卷积相同。 反卷积的计算是把卷积的得到的结果与卷积核的转置相乘，所以也叫转置卷积。 卷积的过程如下图： 用矩阵表达： 反向传播的公 阅读全文
摘要：
感受野就是输出的feature map中的一个像素点对应到输入图像的映射；下图中特征点（绿色和黄色）对应的阴影部分即为感受野。 左边的图为正常的普通卷积过程；右边的为输入和输出大小一样的卷积过程，采用的方法是在得到的feature map中的特征点之间加入0（与带洞卷积类似，但不是一样的） 右边的好 阅读全文
摘要：
k-means算法属于无监督学习，没有已知的标签 k均值是发现给定数据集的K个簇的算法。 每个簇通过其质心来描述。 k均值算法的工作流程如下， 首先，给定随机的K个初始质心，然后将数据集中的每个点分配到一个簇中，过程是为每个点寻找最近的质心，并将其分配给该质心所对应的簇； 然后为每个簇更新质心，质心 阅读全文
